ベアリング分析：問題を早期診断し、故障を防ぐ

我々の目標は、単に故障を発見するだけでなく、問題検出と解決を優先するマインドセットを育むことです。実践ではベアリングが派手に故障することが多いものの、故障を示唆した振動データが交換ポイント以降で検証されることは稀です。構造化された多段階アプローチが不可欠です：振動監視プログラムが最微細な兆候で問題をフラグし、保全が適切に対応する──時に潤滑調整で、時にベアリング交換で。交換タイミングは極めて重要で、時期尚早ならシステムの欠陥と見なされ、遅れれば他コンポーネントを損傷し診断証拠を消失させます。事後対応の交換ではなく、事前保全こそが信頼性への道です。

SKFベアリングインスペクター意思決定支援システムは、ベアリング診断を高速化、標準化、高品質化します。転がりベアリング損傷に関する基礎原理と実践的エンジニアリング成果を集約し、反復故障を防ぎます。従来の原因→症状ツリーが誤誘導しがちな一方、このツールは条件から観測可能な症状への因果関係をモデル化し、現実の不確実性を反映した確率を割り当てます。最先端の計算知能がこのアプローチを支え、診断がベアリング動作の物理を反映することを保証します。

本記事は、状態監視データ分析のベンチマークであるISO 15243:2004に準拠しています。

問題の理解

状態監視ツールは、故障がクリティカルになる前に予測できるときに最大の価値を発揮します。その潜在力を最大限に引き出すには、まず用語を理解し、データ収集と実用的洞察への変換戦略を立てる必要があります。ベアリングを例に取ると：単に故障を検知したのか、根本原因を突き止め再発防止したのか。振動シグネチャは負荷ゾーン、芯出し不良、摩耗パターンを明らかにし、早期対処で高コストなダウンタイムを防げます。

図1. ベアリングの包絡スペクトル

図2. ベアリングの波形

図3. ベアリングの周期的時間解析

このケースでは、反復故障がベアリング交換のみに終始しました──高コストで時間のかかる対処です。データブロックを1回転分に区切り、仮想トリガー1rpmで同期平均化すると、2つの明確な負荷ゾーンが浮かび上がりました。これらはインナーレースとケージへの迫り来るストレスを示し、是正措置を導きました。その後のジャーナル検査で楕円化が判明、機械加工で嵌合を修正し、以降ベアリングは完璧に稼働しています。

根本原因解析と事前保全が決定的でした。教訓：故障ではなく、問題をトラブルシュートせよ。

潤滑管理

潤滑が劣化すると、振動、騒音、音響放射が典型的に上昇します。聴覚検査で問題を検知できますが、最も信頼性が高いのは振動データをエンジニアリング単位でトレンド化することです。図4はベアリングの給脂前・中・後の振動トレンドを示します。

図4. 給脂中の振動トレンド

給脂で問題が解決したかに見えましたが、振動レベルは問題前の水準に戻りませんでした。残留増加はグリス内デブリ由来。給脂中の波形（図5）は、給脂作業が根本問題をマスクしていたことを明確に示しています。

図5. 給脂中の波形

ベアリング故障解析のための意思決定支援システム

転がりベアリング損傷への正確な洞察は、SKFと顧客にとって戦略的に極めて重要です。SKFベアリングインスペクター──ウェブ対応ナレッジベース──は、基礎原理から実践的エンジニアリング成果まで全情報を集約。迅速、一貫性のある高品質な意思決定を可能にし、反復損傷を防ぎます。

1980年代の初期エキスパートシステムが硬直的な決定木に依存したのに対し、現システムは条件から症状への因果関係を定量化された確率でモデル化。特定原因（例：不適切な取り付け）が観測可能損傷（例：フレッティング）として現れる物理的現実を反映し、逆ではないのです。

知識表現

システムは以下のノードを視覚的にリンクする確率ネットワークを使用：

• 条件： 運転速度、荷重、ベアリングタイプ、取り付け詳細、環境等。
• 内部メカニズム： 潤滑状態、油膜破壊、すべり接触。
• 故障モード： 表面下疲労、フレッティング腐食、接着摩耗等。
• 観測症状： 変色、剥離、錆、ピッティング。

約150ノードと250枚のサポート画像で、エキスパート知識と実証データを体現。確率は前方・後方双方向に計算され、臨床医の診断ワークフロー（仮説生成→標的検査で検証/棄却）をミラーリングします。

図6. ISO 15243:2004

図7.

ケーススタディ：製紙工場の電動モータベアリング

「典型事例」では、ベアリングインスペクターが実シナリオを紹介。あるケースは、ペーパーワインダーのNU 322 ECM/C3VL024絶縁円筒ころベアリング。1,000〜1,500rpmで運転し、わずか1ヶ月で内外輪双方に激しい摩耗。

アプリケーションデータ読み込み（ステップ1）で解析が自動開始。ツールは初期にフレッティング仮性、接着摩耗、電流漏れの高確率をフラグ。ソフトウェアのガイドに従い、各故障モード固有の症状をチェック：

1. フレッティング仮性──浅いくぼみなし、却下。
2. 接着摩耗──特徴的兆候なし。
3. 電流漏れ──拡大観察で微小ピッティング発見、診断確定。

その後の調査でワインダー構造のアース故障が発覚、ソフトウェアの推奨を裏付けました。

図8. ステップ1：アプリケーション条件

図9. ステップ2：初期診断と信頼度係数

図10. ステップ3：電流漏れの症状検査

図11. 最終診断とレポート生成

全症状を検査するのではなく、現在の仮説に基づき最も判別力の高い観測を優先することで診断工数を削減。ユーザーは条件、観測、確率ランキングを含む包括的レポートをWordまたはHTMLでエクスポート可能です。

結論

SKFベアリングインスペクターは、ベアリング損傷調査のための高速、一貫性、高品質な意思決定プロセスを提供。ウェブインターフェースでアクセス可能であり、SKFエンジニアと顧客が故障原因を特定し、予防措置を実装できるよう支援します──同じ故障の再発防止と、振動ベース状態監視プログラムの構成指針を提供します。